Sift Là Gì ? Nghĩa Của Từ Sift Trong Tiếng Việt Nghĩa Của Từ Sift Trong Tiếng Việt

SIFT là gì ?

Tiếp nối chuỗi nội dung bài viết về các cách thức trong xử trí hình ảnh, lúc này bản thân xin giới thiệu tới các bạn về phương thức trích chon đặc thù SIFT. SIFT (Scale-invariant feature transform) là một trong feature descriptor được sử dụng vào computer vision và xử lý hình hình ảnh được dùng làm dấn dạng đối tượng người sử dụng, matching image, hay áp dụng cho những bài xích toán thù phân loại…

Đang xem: Sift là gì


Bạn đang xem: Sift Là Gì ? Nghĩa Của Từ Sift Trong Tiếng Việt Nghĩa Của Từ Sift Trong Tiếng Việt

*

Xem thêm: Hướng Dẫn Chơi Cf Mobile Trên Pc

4×4 Gradient windowHIstogram of 4×4 samples per window in 8 directionsGaussian weighting around center4x4x8 = 128 dimensional feature vector Điểm sáng :Các keypoint đang không nhiều bị dựa vào do cường khả năng chiếu sáng, nhiễu, góc chuyển phiên của hình ảnh vày những descriptor được tạo ra trường đoản cú gradients cho nên vì vậy nó đang bất biến với các chuyển đổi về độ sáng (ví dụ: thêm 10 vào toàn bộ những px hình hình ảnh đã đưa về cùng một diễn tả bao gồm xác).Nkhô cứng và hiệu quả, vận tốc xử trí gần như với thời hạn thực (realtime)cũng có thể giải pháp xử lý lúc chuyển phiên ảnh

II. Áp dụng SIFT đến bài toán thù phân loại

Để khởi chế tạo ra đối tượng người dùng SIFT vào OpenCV ta sử dụng lệnh: sift = cv2.xfeatures2d.SIFT_create()

img = cv2.imread(“path_to_image”) #phát âm ảnhimg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # đưa hình họa lịch sự hệ graysift = cv2.xfeatures2d.SIFT_create() #khởi tạo đối tượng người tiêu dùng siftkp, des = sift.detectAndCompute(img,None) #Đối tượng này còn có thủ tục detectAndCompute trả về 2 outputs kp và des, kp là 1 trong những list cất những keypoints được detect vì SIFT, des là một numpy array đựng len(kp) vectors 128 chiều.print(des.shape) img=cv2.drawKeypoints(gray,kp,img)cv2.imwrite(“path_to_image”,img) #lưu giữ ảnh


*

Áp dụng mang đến bài xích tân oán phân loại:

def extract_sift_features(X): image_descriptors = sift = cv2.xfeatures2d.SIFT_create() for i in range(len(X)): _, des = sift.detectAndCompute(X, None) image_descriptors.append(des) return image_descriptors Hàm kmeans_bow() dấn nguồn vào là một trong các mục gồm tất cả các descriptors của những ảnh trong tập X với số nhiều num_clusters, sử dụng thuật toán thù KMeans trong scikit-learn phân nhiều các vector descriptors này thành num_clusters cụm. Hàm trả về một danh sách center của các cụm. Vì thao tác làm việc này mất không hề ít thời hạn bắt buộc ta đã lưu danh sách trả về do hàm kmeans_bow() ra một tệp tin nhị phân.import timedef kmeans_bow(image_descriptors, num_clusters): strar = time.time() bow_dict = kmeans = KMeans(n_clusters=num_clusters, n_jobs = -1, verbose = 1).fit(all_descriptors) bow_dict = kmeans.cluster_centers_ print(“process time: “, time.time() – start) return bow_dictnum_clusters = 50if not os.path.isfile(“bow_dictionary.pkl”): BoW = kmeans_bow(all_descriptors, num_clusters) pickle.dump(BoW, open(“bow_dictionary.pkl”, “wb”))else: BoW = pickle.load(open(“bow_dictionary.pkl”, “rb”))Xây dựng hàm create_features_bow() nhấn đầu vào là menu image_descriptors, danh sách BoW và num_clusters ngơi nghỉ trên, trả về các mục X_features, trong những số ấy phần tử vật dụng p của X_vectors là vector đặc thù theo quy mô BoW ứng với hình họa trang bị p, tập keypoint descriptors sản phẩm p. Hãy chăm chú sự tương xứng những bộ phận trong 4 danh sách: X, Y, image_descriptors, X_features.

Tài liệu tham mê khảo

Bài viết trên được mình tổng vừa lòng lúc bản thân tsay mê gia học lớp của thầy Đinc Viết Sang – giảng viên trường Đại học tập Bách Khoa Hà Nội với một số trong những tài liệu mình tham khảo bên dưới đây:

Computer Vision: Algorithms và Applications, 2010 by Richard SzeliskTlỗi viện OpenCVCảm ơn các bạn đang theo dõi bài viết của mình.Chulặng mục: Blogs

Leave a Reply

Your email address will not be published. Required fields are marked *

x

Welcome Back!

Login to your account below

Retrieve your password

Please enter your username or email address to reset your password.